Veuillez utiliser cette adresse pour citer ce document : http://dspace.univ-tiaret.dz:80/handle/123456789/5372
Titre: La détection des attaques DoS en utilisant l'analyse de la variance multivariée MANOVA dans les réseaux de capteurs sans fil
Auteur(s): Asnoune, Ismail
Ammour, Mohamed
Mots-clés: Réseaux de capteurs sans fil (RCSF), Système de détection d'intrusion (IDS), Simulations, déni de service (DoS), Blackhole, Hello-Flood, MANOVA.
Date de publication: 2020
Editeur: Université Ibn Khaldoun -Tiaret-
Résumé: Les réseaux de capteurs sans fil (RCSF) sont devenus l'un des domaines de recherche actuels et se révèlent être une technologie très utile pour diverses applications telles que les applications environnementales, militaires, sanitaires, domestiques . Le fait que les réseaux de capteurs sans fil traitent des données très souvent sensibles, opérant dans des environnements hostiles et inattendus, les réseaux de capteurs sans fil (RCSF) peuvent être victimes de plusieurs attaques. L’attaque déni de service(DoS) est l’une des plus dangereuses, car ils peuvent avoir des impacts négatifs sur les applications critiques des RCSF, donc la notion de sécurité est considérée comme indispensable. Cependant, à cause de la limitation des ressources et la faible capacité de calcul d’un nœud capteur, le développement d’un mécanisme garantissant une sécurité pose de vrais défis de conception. Parmi les solutions proposées, les systèmes de détection d’intrusion (IDS) basés sur les modèles statistiques ont prouvé leur efficacité. Dans ce travail, nous avons étudié les possibilités de détecter les attaques DoS en L'analyse de variance multi variée (MANOVA) entre les cas normaux et les cas anomalies. Nous avons simulé quelques attaques : Blackhole, Hello-Flood et DoS, et sur la base de 30 simulations , les performances de notre système sont plutôt acceptables, nous avons atteint 68% de précision dans le scénario de Blackhole, et 72% de précision dans le scenario Hello-Flood, et 77% de précision dans le scenario DoS.
URI/URL: http://dspace.univ-tiaret.dz:80/handle/123456789/5372
Collection(s) :Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
TH.M.INF.FR.2020.27.pdf1,71 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.